Modelagem da disponibilidade hídrica em bacias hidrográficas do Cerrado | Hydrological modeling for water availability in hydrographic basins of the brazilian Cerrado biome

Diversas regiões do Cerrado não dispõem de informações hidrológicas básicas e confiáveis para o desenvolvimento da adequada gestão e manejo de recursos hídricos. Informações relacionadas à quantidade e período de disponibilidade da água são fundamentais para garantir que a alocação do recurso assegure o bem-estar social e desenvolvimento sustentável local. A estimativa da disponibilidade hídrica em regiões não monitoradas, ou com escassez de dados, é um desafio de longa data para a hidrologia. A forma mais comum de se estimar a disponibilidade hídrica em regiões não monitoradas se dá por meio de técnicas de regionalização. A regionalização se baseia na transferência de informações de regiões monitoradas para regiões não monitoradas. Isso pode ser feito por meio da doação de parâmetros de modelos hidrológicos calibrados em regiões monitoradas considerando tanto a proximidade espacial quanto similaridade física da região/bacia não monitorada. Uma alternativa aos métodos de regionalização é se trabalhar com modelos hidrológicos de larga escala, como modelos regionais. Neste caso, os modelos baseados em aprendizado de máquina têm se popularizado, uma vez que conseguem aprender a partir da diversidade de dados que lhes são fornecidos. Portanto, há a oportunidade de se desenvolver um modelo regional capaz de aprender frente à diversidade de cenários e melhor predizer os efeitos de mudanças climáticas e de uso da terra, e fornecendo estimavas mais adequadas da disponibilidade hídrica de bacias hidrográficas. O objetivo geral desta tese, estruturada em forma de artigos, foi avaliar a disponibilidade hídrica em bacias hidrográficas do Cerrado brasileiro. Para isso, primeiramente se calibrou um modelo hidrológico para 411 bacias hidrográficas monitoradas individualmente, cujos limites estão dentro ou interseccionam o Cerrado. Dentre as técnicas de regionalização avaliadas, a doação de parâmetros por proximidade espacial apresentou o melhor desempenho e foi utilizada para se simular séries de vazão em ottobacias de nível 5 em todo o Cerrado. Essas séries de vazão foram então usadas para caracterizar a disponibilidade hídrica, períodos de maior pressão sobre o recurso, e identificar regiões onde o uso sustentável de água pode ser aprimorado por meio de técnicas de armazenamento de água excedente do período de chuvas. Também se desenvolveu um modelo regional, baseado em redes neurais recorrentes, que levou em consideração informações compiladas para as 411 bacias hidrográficas inicialmente delimitadas dentro do Cerrado, como características topográficas, de clima, do uso e cobertura da terra e do solo. Este modelo se mostrou robusto às mudanças de uso e cobertura da terra, principalmente no que se refere às predições realizadas para períodos de vazões mínimas. Para este modelo regional, foi possível explorar quais as variáveis de maior influência na predição de vazão, e como elas se relacionam com a disponibilidade hídrica. Palavras-chave: Regionalização. Modelagem hidrológica. Redes neurais artificiais. Ottobacias.

Many regions of the Brazilian Cerrado biome do not have basic and reliable information for the adequate development of water resources planning and management. Information concerning the amount and timing of water availability is fundamental for guaranteeing the proper allocation of the resource to secure the social well-being and the local sustainable development. Predictions in ungauged basins (PUB), or in data-scarce regions, have long been a challenge for hydrology. PUB has been addressed mainly by regionalization techniques. Regionalization is based on the transfer of information obtained from gauged regions to ungauged regions. This may be achieved with the donation of hydrological model parameters calibrated in gauged basins by the spatial proximity or the physical similarity to the ungauged basin. Another alternative to regionalization is using hydrological models of large scales as regional models. In this case, models based on machine learning have gained popularity, since they can learn from the diversity of data provided to them. Thus, there is an opportunity to develop a regional model capable of learning from the diversity of scenarios and better predict the effects of climate change and changes in land use and land cover, providing more adequate estimates of the water availability in basins. The main objective of this thesis, which was structured in articles, is to assess the water availability in hydrographic basins of the Cerrado. To reach this goal, we first calibrated a hydrological model for 411 gauged basins individually, which boundaries are within or intersect the Cerrado. Among the regionalization techniques, the donation of parameters by spatial proximity showed the best performance and was used to simulate runoff series in all level 5 ottobasins in the Cerrado. These runoff series were then used to characterize the water availability, periods of highest pressure on the resource, and identify regions where sustainable water use can increase, e.g., by rainwater harvesting techniques. A single regional model based on recurrent neural networks was developed considering information compiled for 411 gauged basins within the Cerrado concerning characteristics of topography, climate, land use and land cover, and soil. This model was robust to environmental changes, especially concerning predictions made under low-flow conditions. This model was also explored with respect to which variable showed the highest importance in streamflow prediction, and how they related to water availability. Keywords: Regionalization. Hydrological modeling. Artificial neural networks. Ottobasins.